Kimi K3 devance Claude Fable 5 et GPT 5.6 Sol sur le benchmark de génération de code Next.js

Une nouvelle référence publique mesurant les agents de codage IA sur des tâches de génération et de migration de code Next.js a un vainqueur clair, et il ne vient pas des laboratoires qui dominent habituellement ces comparaisons. Kimi K3, utilisant l'agent OpenCode, a égalé le taux de réussite le plus élevé du classement à 92 %, à égalité avec Claude Fable 5 (high) sur Claude Code, Cursor Composer 2.5 et GPT 5.6 Sol (ultra) sur Codex. Ce qui distingue Kimi K3, c'est le chronomètre : il a enregistré le temps de réalisation moyen le plus rapide parmi les leaders à 199,89 secondes, soit plus d'une demi-minute de moins que les 231,83 secondes de GPT 5.6 Sol.

Dernière mise à jour le 17 juillet 2026, l'évaluation couvre 24 combinaisons agent-modèle testées sur une suite qui comprend l'échafaudage d'applications, la génération de composants, la création de routes API et la migration à partir de modèles Next.js plus anciens. Les résultats remettent en question une hypothèse courante selon laquelle des fenêtres de contexte plus profondes et des niveaux d'inférence plus coûteux produisent automatiquement un meilleur code. Les quatre meilleurs agents couvrent des niveaux de prix et des architectures d'agents radicalement différents, mais se situent à un point d'écart les uns des autres.

AGENTS.md : le grand égalisateur

Le motif le plus frappant dans les données est l'impact d'un seul fichier : AGENTS.md, un document de référence Next.js intégré fourni aux agents lors de la deuxième passe d'évaluation. Sans lui, les taux de réussite varient de 21 % (Kimi K2.5) à 92 % (les quatre leaders). Avec lui, 15 des 24 entrées, y compris tous les modèles avec une base de référence de 75 % ou plus, sont montés à 96 %. Seuls les quatre modèles les plus bas (Kimi K2.5 à 58 %, MiniMax M2.7 à 63 %, et trois autres dans la fourchette 79 %-83 %) n'ont pas atteint ce plafond.

Le bond est spectaculaire pour les modèles de milieu de gamme. Claude Opus 4.7 (max) est passé de 75 % à 96 %. Cursor Composer 2.0 est passé de 75 % à 92 %. Grok 4.5 sur OpenCode a bondi de 83 % à 96 %. Le fichier de documentation efface essentiellement l'écart entre un modèle à 200 $/heure et un modèle économique, tant que la récupération de base de l'agent peut lire un fichier markdown.

Cela a des implications pratiques pour les équipes qui évaluent les agents de codage. La réussite sans documentation mesure la propre connaissance de Next.js du modèle, c'est-à-dire la quantité de la surface d'API du framework intégrée dans ses données d'entraînement. La réussite avec documentation teste une compétence différente : la capacité de l'agent à suivre des instructions explicites dans un fichier de référence. Pour la plupart des travaux réels, cette dernière est plus importante, car les équipes peuvent fournir leur propre AGENTS.md couvrant les modèles internes, les API obsolètes et les conventions de style.

Le compromis vitesse-performance

La durée varie énormément d'un bout à l'autre du tableau. Cursor Composer 1.5 a enregistré le temps global le plus rapide à 115,52 secondes mais n'a atteint que 67 % de précision. GPT 5.5 Pro, utilisant l'agent Codex au niveau d'inférence le plus élevé, a pris 771,63 secondes, plus que toute autre entrée, pour un taux de réussite de 83 %, le plaçant derrière des modèles qui ont terminé en moins de 150 secondes. Son score AGENTS.md de 83 % était également le plus bas de tous les modèles ayant commencé à 75 % ou plus.

La performance de Gemini était mitigée : Gemini 3.1 Pro Preview sur Gemini CLI a atteint 75 % en 247 secondes, tandis que Gemini 3.0 Pro Preview est arrivé à 67 % et 260 secondes. Les deux ont bondi à 83 % et 83 % respectivement lorsqu'on leur a donné de la documentation, mais aucun des deux n'a percé dans le haut du classement.

MiniMax M3 a été une surprise en termes de vitesse : 181,88 secondes à 75 %, grimpant à 96 % avec la documentation, ce qui suggère que sa boucle d'agent est efficace même si sa connaissance brute de Next.js est banale.

Ce que cela signifie pour choisir un agent de codage

Le benchmark clarifie certaines choses. Premièrement, la plus grande différenciation entre les agents n'est pas leur précision maximale sur les tâches brutes, mais à quel point ils peuvent atteindre un résultat suffisamment bon de manière économique et rapide lorsqu'on leur donne le contexte approprié. Deuxièmement, les quatre meilleurs modèles (Kimi K3, Claude Fable 5, GPT 5.6 Sol, Cursor Composer 2.5) sont indiscernables en termes de résultats, tous à 96 % avec documentation, tous dans une bande de durée de 37 secondes, à l'exception des 149 secondes aberrantes de Cursor. Les choisir se résume au coût, à la tolérance à la latence et à l'intégration dans l'écosystème plutôt qu'à la qualité brute du code.

Troisièmement, le tableau est un avertissement contre le choix d'un agent basé sur une seule métrique. GPT 5.5 Pro coûte plus cher et fonctionne plus longtemps que tout autre modèle ici pour un résultat de milieu de tableau. Claude Opus 4.6 et 4.7 sont à égalité avec 75 % sans documentation mais atterrissent à 96 % avec elle, le même plafond que les meilleurs modèles. L'écart entre le meilleur et la médiane dans le codage assisté par IA est plus étroit que ce que de nombreux fournisseurs voudraient vous faire croire, et un fichier markdown est souvent la pièce manquante.